新闻详情

新闻详情

首页 / 资讯中心 / 详情

Google Antigravity SDK是什么?Google官方AI Agent开发框架完整架构解析

发布时间:2026/11/14 3:38:13来源:尧图网络
Google Antigravity SDK是什么?Google官方AI Agent开发框架完整架构解析
Google Antigravity SDK是什么Google官方AI Agent开发框架完整架构解析【免费下载链接】antigravity-sdk-pythonA Python library for building AI agents that leverage the full power of Google Antigravity.项目地址: https://gitcode.com/gh_mirrors/an/antigravity-sdk-pythonGoogle Antigravity SDK 是 Google 官方推出的 Python AI Agent 开发框架SDK让你用几行代码就能构建出安全、可扩展、有状态的 AI 智能体。它底层由 Antigravity 引擎和 Gemini 大模型驱动把复杂的 agentic loop智能体循环封装成基础设施层——你只需要关心智能体做什么而不用纠结它怎么跑。本文带你快速搞懂它的核心概念、三层架构设计和上手路径。一分钟了解Google Antigravity SDK 能做什么一句话概括它是一个 Python 库用于构建能调用 Google Antigravity 全部能力的 AI Agent。它帮你解决了 AI Agent 开发中最头疼的几类问题痛点SDK 提供的方案Agent 生命周期管理复杂Agent类一个异步上下文管理器搞定会话历史、上下文维护繁琐Conversation有状态会话自动累积步骤历史本地/云端/端侧模型切换困难Connection抽象层支持多后端策略工具调用不安全Hooks 钩子 声明式 Policies 策略系统只能一问一答Triggers 触发器支持定时任务、文件监听等后台事件核心源码入口google/antigravity/agent.py安装 Google Antigravity SDK 最快方法安装非常简单一条 pip 命令即可pip install google-antigravity⚠️新手最容易踩的坑SDK 依赖一个编译好的运行时二进制文件Go 编写的 localharness它打包在 PyPI 上各平台的 wheel 包里。只克隆代码仓库是跑不起来的必须从 PyPI 安装才能拿到二进制文件。项目构建配置见 pyproject.toml支持 Python 3.10 ~ 3.13核心依赖包括google-genai、pydantic、websockets、protobuf等。30 秒上手你的第一个 Agent设置好 API Key 后直接运行官方示例即可体验export GEMINI_API_KEYyour_api_key_here python ./examples/getting_started/hello_world.py官方示例文件examples/getting_started/hello_world.py其核心逻辑只有四步创建配置 → 启动 Agent → 发送消息 → 打印回复。system_instructions参数可以自定义系统指令Agent会自动处理二进制发现、工具接线、钩子注册等全部脏活累活。三层架构深度解析Agent / Conversation / ConnectionGoogle Antigravity SDK 采用清晰的三层架构这也是理解整个框架的关键层级定位核心类Layer 1 — 简化层开箱即用的高层入口新手首选AgentLayer 2 — 会话层有状态会话管理历史与便捷方法Conversation、ChatResponse、ToolRunner、HookRunner、TriggerRunnerLayer 3 — 适配层传输与后端的抽象屏蔽运行位置差异Connection、ConnectionStrategy、LocalConnection工作流是这样的你在AgentConfig中声明期望的能力和行为 →Agent根据配置选择合适的连接策略并创建Conversation→Conversation建立底层Connection并维护消息历史 → 你调用agent.chat()时数据经由Connection发送到后端响应以流式方式返回。三个支柱的权威说明文档skills/google-antigravity-sdk/references/architecture.md多后端连接策略Layer 3 亮点SDK 内置了三种连接策略覆盖不同部署场景LocalConnectionStrategy— 通过 WebSocket 连接 Go 编写的本地 harness通信使用 protobuf 消息LiteRTConnectionStrategy— 基于 LiteRT-LM 在设备端本地运行模型LocalOpenAIConnectionStrategy— 对接任意 OpenAI 兼容的本地服务Ollama、LM Studio 等每个策略以独立子包形式组织在connections/下实现、配置、proto 绑定和测试同包存放扩展性极好。详见 google/antigravity/connections/README.md。此外还支持Gemini Enterprise Agent Platform原 Vertex AI在LocalAgentConfig中设置vertexTrue并指定 GCP 项目与地域即可默认使用 Application Default Credentials 认证。核心功能清单6 个让 Agent 生产可用的能力1️⃣ 流式响应Streaming支持实时流式输出ChatResponse可以直接用async for迭代文本 token零额外网络开销。更进阶的用法还能单独订阅模型思考过程response.thoughts和强类型的工具调用事件流response.tool_calls适合做思考气泡、执行进度条等 UI。2️⃣ 多模态输入MultimodalAgent 可以同时接收文本指令 图片、视频、音频、文档附件。既支持从文件路径直接附加自动识别类型和 MIME也支持用Image等内容类直接传入内存字节。3️⃣ 自定义工具Custom Tools把你的 Python 函数注册为工具Agent 就能调用它们查天气、查数据库、操作内部系统——普通同步函数会自动放到独立线程执行不会阻塞异步事件循环。源码google/antigravity/tools/tool_runner.py4️⃣ MCP 集成一行配置即可连接外部 MCP Server将其工具暴露给 Agent轻松复用整个 MCP 生态的工具资产。5️⃣ Hooks 钩子与 Policies 策略系统这是 SDK 的安全核心分为三类钩子类型行为典型用途Inspect只读、不阻塞只能观察不能修改日志、监控Decide只读、阻塞返回 allow/deny 决定是否放行权限检查、护栏Transform可修改、阻塞可改写数据失败即熔断数据脱敏、错误恢复更妙的是声明式策略 APIdeny(*)默认全禁、allow(view_file)放行读文件、ask_user(run_command, ...)执行命令前先问用户——按具体 通配符、拒绝 询问 放行的优先级模型求值且默认 fail-closed失败即拒绝。策略源码google/antigravity/hooks/policy.py完整设计文档google/antigravity/hooks/README.md安全默认值Agent默认以只读模式运行需要写入能力时显式传入capabilitiesCapabilitiesConfig()才会开启全部工具。6️⃣ Triggers 触发器与 Hooks 管Agent 生命周期不同Triggers 管外部事件定时任务如每 60 秒检查部署状态、文件变更监听、Webhook 回调都能把消息推入正在运行的 Agent 会话。源码google/antigravity/triggers/trigger_runner.py仓库目录结构速览路径说明google/antigravity/SDK 核心源码google/antigravity/agent.pyLayer 1 高层入口Agentgoogle/antigravity/conversation/conversation.py有状态会话管理google/antigravity/connections/连接抽象与本地策略实现google/antigravity/hooks/生命周期钩子与策略系统google/antigravity/tools/进程内工具执行google/antigravity/triggers/后台任务与外部事件examples/getting_started/单文件入门示例一个文件一个特性examples/deep_dives/多特性深度实战示例skills/google-antigravity-sdk/内置技能包与参考文档从入门示例到深度实战的学习路线官方示例按学习曲线组织建议按顺序看起步阶段examples/getting_started/单文件、单特性hello_world.py — 最小可运行 Agentstreaming.py — 流式输出custom_tools.py — 自定义工具policies.py / hooks.py — 策略与钩子structured_output.py — 结构化输出persistence.py — 会话持久化cancellation.py — 取消机制进阶实战examples/deep_dives/多特性组合的迷你应用interactive_cli.py — 完整交互式 CLI自定义工具 MCP 钩子审批agent_middleware.py — 钩子堆叠成中间件限流、审计、错误恢复multimodal_pipeline.py — 图像生成 → 盲测视觉分析的流水线doc_maintenance_agent.py — 细粒度策略约束的自主文档维护 Agentasync_chat.py — 完全异步的 Agent 间 P2P 聊天常见问题 FAQQ1克隆仓库就能跑吗不能。SDK 依赖编译好的运行时二进制必须pip install google-antigravity从 PyPI 安装。Q2和直接调 Gemini API 有什么区别Gemini API 是模型接口Antigravity SDK 是完整的 Agent 基础设施内置工具执行、文件操作、会话状态、安全策略、触发器、可观测性OpenTelemetry等一整套能力。Q3Agent 会不会乱改我的文件默认只读模式写操作需要显式开启还可以用策略系统精确到哪个工具、什么参数下允许甚至执行前弹窗征求用户同意。总结Google Antigravity SDK 用三层架构Agent → Conversation → Connection把 AI Agent 开发中最复杂的循环、状态、传输、安全问题全部抽象掉让开发者聚焦业务逻辑。如果你正在寻找一个官方出品、开箱即用又安全可控的 Python AI Agent 开发框架它就是当前值得重点关注的选择。下一步建议先跑通hello_world再对照 examples/README.md 的示例索引按图索骥逐个特性动手实践。【免费下载链接】antigravity-sdk-pythonA Python library for building AI agents that leverage the full power of Google Antigravity.项目地址: https://gitcode.com/gh_mirrors/an/antigravity-sdk-python创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉